正式发布huashu-mac-use，让任何代理接近GPT-6的电脑操作能力

最近，我在X平台上看到许多关于GPT-6 Astra在计算机操作方面的赞誉，特别是它如何利用Blender制作各种3D模型的示例，实在让我感到惊讶。然而，我认为在当前阶段，解决白领办公问题的关键不仅在于编程能力，更在于有效操控电脑和浏览器的能力。因为大多数白领的工作都在电脑上完成，而现有软件和网站的开发开放性仍有限，因此使代理可以操作电脑以获取更广泛的信息，是处理任务的关键环节。这就像为代理的办公过程画上一个完整的句号。

过去的半个月，我一直在不断迭代以提升代理在电脑操作方面的能力。最近，我使用Claude Code在Blender中创建了一个巧克力甜甜圈模型。它展现了不少技巧，其中一个是帮助我从Codex生成高清的邮轮照片，并用自动化技能在Blender中制作出几乎一致的3D模型。整个过程只花了33分钟，从任务下达到最终对比图的交付。尽管生成的模型与照片有些差距，比如缺少一些细节，但系统能够自动识别并汇报这些不足。

而甜甜圈的制作更是展示了Claude Code的能力，包括面团上的气孔、巧克力的淋洒效果等细节，它都能够准确再现。渲染完成后，我让它拍摄了一段流畅的视频。 龙8头号玩家

今天这项技术正式开源，名为huashu-mac-use，用户可以通过任何能够读取此技能的代理进行安装。安装也非常简单，只需将仓库链接提供给代理并请求安装即可。

接下来的内容将介绍这一技能的工作原理，以及这段时间我所做的探索。值得注意的是，Astra那些演示是在界面上进行点击操作，而我们的案例是在无头模式下完全通过脚本进行建模和渲染，这体现了我们技能的原则：尽量少看图、少使用鼠标。

在过去的几周内，我发现再强的模型也需要在某个具体任务上由人来引导，比如从哪里入手，一个应用该如何操作，以及确保每一步都有可复现的逻辑。这个技能就是为了完成这三项任务而设计的。 龙8头号玩家

首先，它通过探测脚本了解应用程序的可操作区域，判断能够利用的接口、辅助功能，以及鼠标操作的可能性，以便选择最佳方法。这个过程旨在提高效率，避免用户的操作窗口被抢占。经过一系列测试，我发现不同类型的应用程序在操作上存在显著的差异，因此针对每种情况都制定了相应的策略。

• • 2026-09-08
  • 1428